EAM 将扩散模型奖励微调训练效率提升 4 倍

Jeongwoo Shin 等研究者提出 Efficient Adjoint Matching（EAM），用于扩散模型的奖励微调。该方法将随机最优控制问题重构为线性基漂移，并相应修改终端代价，从而消除 Adjoint Matching 原有的两个瓶颈：全轨迹随机模拟和反向 ODE 伴随状态模拟。 研究者称，这一改动使训练效率提升 4 倍。该结论来自 arXiv 论文，尚未见独立复现或第三方验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。